Описание

Dodo Brands - высокотехнологическая компания в сфере общественного питания. Компании принадлежит несколько брендов, среди которых всем известная Dodo Pizza. Если в вашем городе есть кафе Dodo Pizza наверняка вы хотя бы раз там бывали. Сейчас сеть насчитывает 1085 точек в 21 стране. И еще 5 будут открыты в апреле. Масштабы поражают! Как и количество задач для Data Science инженеров.

Одна из задач, которой занимаются сотрудники компании Dodo Brands - эффективность промо рассылок. Два раза в неделю по всем пользователям проходят промокоды на скидки.

Скриншот мобильного приложения

Задача - сделать максимально персонализированное промо предложение гостю. Что может быть в промо? Например - скидка в 10% при заказе от 1000 рублей (евро, долларов) или маленькая пицца в подарок/со скидкой. Вариантов много! Скидка также может быть предложена в процентах и в денежных единицах.

Ваша задача - научиться предсказывать воспользуется ли человек промо или проигнорирует. Чем точнее предсказание, тем более персонализированные предложения компания может делать своим клиентам

Данные

orders.csv - заказы клиентов (до ноября 10 последних заказов клиента)

• OrderUUId - уникальный id заказа
• addressId - адрес доставки
• deliverySectorId - сектор доставки
• ClientUUId - уникальный id клиента
• Date - день заказа
• SaleDate - время заказа
• UnitUUId - уникальный id пиццерии
• NewClient - 1, если это первый заказ у клиента. 0 иначе
• ClientOrderNumber - какой по счету заказ у клиента
• ProductUUId - уникальный id продукта
• CategoryId - id категории товара
• ProductTotalPrice - цена продукта с учетом примененных скидок
• MenuPrice - цена в меню
• OrderState - статус заказа
• OrderPaymentType - тип платежа
• OrderTotalPrice - общая сумма заказа
• OrderType - тип заказа
• apply_promo - 1, если применялся промокод. 0 иначе

mobile_events.csv - мобильные евенты (за октябрь)

• ClientUUId - уникальный id клиента
• VisitToken - токен сессии
• EventName- название евента
• Platform - платформа
• Timestamp - время события

clients_promo_october.csv - промо выданные за октябрь

• ClientUUId - уникальный id клиента
• Id - механика
• LocalBeginDate - старт кампании
• LocalEndDate - конец кампании
• OrderType - тип заказа
• OrderPrice - порог срабатывания
• Discount - вознаграждение

train_target.csv - промо выданные за октябрь с фактом заказа

• ClientUUId - уникальный id клиента
• Id - механика
• OrderType - тип заказа
• LocalBeginDate - старт кампании
• LocalEndDate - конец кампании
• OrderPrice - порог срабатывания
• Discount - вознаграждение
• apply_promo- факт использования промо (таргет)

test.csv

• ClientUUId
• Id
• OrderType
• LocalBeginDate
• LocalEndDate
• OrderPrice
• Discount

OrderType:

• 2,3 ресторан
• 1 доставка

Отправка результатов

Участникам необходимо в качестве ответа отправить csv файл, основанный на test.csv путем добавления в него целевого столбца apply_promo - вероятность применения промо. apply_promo может принимать значение от 0 до 1.

Оценка алгоритма

Метрикой задачи является \[ROC-AUC* 10^8\] Победители определяются по максимальному значению. Во время турнира проверка осуществляется на 50% тестовой выборки.